No-code maschinelles Lernen mit Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas ermöglicht es Ihnen, Ihre eigenen AI/ML Modelle zu erstellen, ohne eine einzige Codezeile schreiben zu müssen. Sie können ML-Modelle für gängige Anwendungsfälle wie Regression und Prognose erstellen und auf Fundamentmodelle (FMs) von Amazon Bedrock zugreifen und diese evaluieren. Sie können auch auf öffentliche FMs von Amazon SageMaker AI zugreifen, um Inhalte JumpStart zu generieren, Texte zu extrahieren und zusammenzufassen, um generative KI-Lösungen zu unterstützen.

Wie erstellt man ML-Modelle ohne Code mit AI Canvas SageMaker

Amazon DocumentDB ist jetzt in Amazon SageMaker AI Canvas integriert, um maschinelles Lernen (ML) ohne Code mit in Amazon DocumentDB gespeicherten Daten zu ermöglichen. Sie können jetzt ML-Modelle für Regressions- und Prognoseanforderungen erstellen und Basismodelle für die Zusammenfassung und Generierung von Inhalten verwenden, indem Sie in Amazon DocumentDB gespeicherte Daten verwenden, ohne eine einzige Codezeile schreiben zu müssen.

SageMaker AI Canvas bietet eine visuelle Oberfläche, die es Amazon DocumentDB-Kunden ermöglicht, Prognosen zu erstellen, ohne dass AI/ML Fachwissen erforderlich ist oder eine einzige Codezeile geschrieben werden muss. Kunden können den SageMaker AI Canvas-Arbeitsbereich jetzt von dort aus starten AWS-Managementkonsole, Amazon DocumentDB-Daten importieren und zusammenfügen, um Daten vorzubereiten und Modelle zu trainieren. Daten in Amazon DocumentDB können jetzt in SageMaker AI Canvas verwendet werden, um Modelle zu erstellen und zu erweitern, um Kundenabwanderung vorherzusagen, Betrug zu erkennen, Wartungsausfälle vorherzusagen, Geschäftskennzahlen zu prognostizieren und Inhalte zu generieren. Kunden können jetzt mithilfe der nativen Integration von SageMaker AI Canvas in Quick ML-driven Erkenntnisse veröffentlichen und teamübergreifend teilen. Pipelines für die Datenaufnahme in SageMaker AI Canvas werden standardmäßig auf sekundären Amazon DocumentDB-Instances ausgeführt, wodurch sichergestellt wird, dass die Leistung der Anwendungs- und SageMaker AI Canvas-Erfassungs-Workloads nicht beeinträchtigt wird.

Amazon DocumentDB-Kunden können mit SageMaker AI Canvas beginnen, indem sie zur neuen Amazon DocumentDB No-Code ML Console-Seite navigieren und eine Verbindung zu neuen oder verfügbaren AI Canvas-Arbeitsbereichen herstellen. SageMaker

Konfiguration der SageMaker AI-Domain und des Benutzerprofils

Sie können von SageMaker AI-Domänen aus, die im Modus „Nur VPC“ ausgeführt werden, eine Verbindung zu Amazon DocumentDB-Clustern herstellen. Indem Sie eine SageMaker AI-Domain in Ihrer VPC starten, können Sie den Datenfluss von Ihren SageMaker AI Studio- und Canvas-Umgebungen aus steuern. Auf diese Weise können Sie den Internetzugang einschränken, den Datenverkehr mithilfe von AWS Standardnetzwerk- und Sicherheitsfunktionen überwachen und überprüfen und über VPC-Endpunkte eine Verbindung zu anderen AWS Ressourcen herstellen. Informationen zum Erstellen Ihrer SageMaker AI-Domain für die Verbindung mit Ihrem Amazon SageMaker DocumentDB-Cluster finden Sie unter Amazon AI Canvas Erste Schritte und Konfiguration von Amazon SageMaker AI Canvas in einer VPC ohne Internetzugang im Amazon SageMaker AI Developer Guide.

Konfiguration der IAM-Zugriffsberechtigungen für Amazon DocumentDB und AI Canvas SageMaker

Ein Amazon DocumentDB-Benutzer, AmazonDocDBConsoleFullAccess der der ihm zugewiesenen Rolle und Identität zugeordnet ist, kann auf die zugreifen. AWS-Managementkonsole Fügen Sie der oben genannten Rolle oder Identität die folgenden Aktionen hinzu, um den Zugriff auf maschinelles Lernen ohne Code mit Amazon SageMaker AI Canvas zu ermöglichen.

"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"

Datenbankbenutzer und Rollen für SageMaker AI Canvas erstellen

Sie können den Zugriff auf die Aktionen einschränken, die Benutzer mit Datenbanken ausführen können, indem Sie die rollenbasierte Zugriffskontrolle (RBAC) in Amazon DocumentDB verwenden. Bei RBAC werden einem Benutzer eine oder mehrere Rollen gewährt. Diese Rollen bestimmen die Operationen, die ein Benutzer mit Datenbankressourcen ausführen kann.

Als Canvas-Benutzer stellen Sie mit Anmeldeinformationen für Benutzername und Passwort eine Verbindung zu einer Amazon DocumentDB-Datenbank her. Mithilfe der RBAC-Funktionalität von Amazon DocumentDB können Sie eine Datenbank user/role für einen Canvas-Benutzer erstellen, der Lesezugriff auf die spezifischen Datenbanken hat.

Verwenden Sie zum Beispiel die folgende Operation: createUser

db.createUser({
user: "canvas_user", 
pwd: "<insert-password>", 
roles: [{role: "read", db: "sample-database-1"}]
})

Dadurch wird eine erstelltcanvas_user, die Leseberechtigungen für die sample-database-1 Datenbank hat. Ihre Canvas-Analysten können diese Anmeldeinformationen verwenden, um auf Daten in Ihrem Amazon DocumentDB-Cluster zuzugreifen. Weitere Informationen finden Datenbankzugriff mit Role-Based Access Control Sie unter.

Verfügbare Regionen

Die No-Code-Integration ist in Regionen verfügbar, in denen sowohl Amazon DocumentDB als auch Amazon SageMaker AI Canvas unterstützt werden. Zu den Regionen gehören:

• us-east-1 (N. Virginia)

• us-east-2 (Ohio)

• us-west-2 (Oregon)

• ap-northeast-1 (Tokyo)

• ap-northeast-2 (Seoul)

• ap-south-1 (Mumbai)

• ap-southeast-1 (Singapur)

• ap-southeast-2 (Sydney)

• eu-central-1 (Frankfurt)

• eu-west-1 (Ireland)

Die aktuelle Verfügbarkeit der Regionen finden Sie im Amazon SageMaker AI Developer Guide unter Amazon AI Canvas. SageMaker